Відео

Neste espaço, abordamos o conceito de agrupamento (clustering) no contexto de Machine Learning. Apresentamos uma definição baseada na similaridade entre os dados. Também introduzimos os algoritmos hierárquico (dendrogramas) e de centroide (k-médios).

Esta introdução aborda as principais métricas utilizadas na classificação dentro do contexto da Aprendizagem de Máquina (ML). Vamos explorar conceitos como matriz de confusão, acurácia, precisão, especificidade, sensibilidade e F1 score

Continuando a nossa conversa sobre Aprendizagem de Máquina (ML), hoje falamos sobre classificação. Introduzimos o tema com exemplos, KNN e outros algoritmos. Para aplicar os conceitos de forma mais concreta, revisamos um estudo real sobre a qualidade do ar em São Paulo.

Aqui está uma introdução ao agrupamento em ML, ou seja, a clusterização. Falamos como podem se agrupar conjunto de dados por similaridade. Isto pode ser feito por abordagens diferentes como dendrogramas ou k-means.

Nesta conversa, abordaremos a primeira etapa do processo de Aprendizagem de Máquina (ML), que é o tratamento de dados, e, em um sentido mais amplo, a engenharia de atributos. Para facilitar a compreensão, apresentaremos um estudo de caso sobre a qualidade do ar, utilizando dados públicos fornecidos pela CETESB.

Nesta conversa, falamos sobre conjunto de dados (datasets) públicos, de como construímos modelos a partir destes dados e mostramos um estudo de caso sobre a qualidade do ar em uma estação da Cetesb.

Aqui está o cartão de visita para este módulo sobre Aprendizagem de Máquina ou Machine Learning. São apresentados de forma simples engenharia de atributos, agrupamento (clustering), regressão, classificação e redes neuronais artificiais (RNA).

Aqui falamos sobre Aprendizado de Máquina (Machine Learning), que é um exemplo significativo da IA. Os exemplos apresentados são análises de um Conjunto de dados públicos da Cetesb sobre qualidade do ar.

Neste momento, apresentamos matérias publicadas na Folha de São Paulo com o objetivo de refletir como a IA interage com a sociedade. Um caminho é tomar como base o ChatGPT, sua originalidade de textos, sua regulamentação e opiniões sobre o mesmo.

Esta conversa é sobre as atividades que a IA mimetiza. São o raciocínio, a busca, o planejamento, a percepção. Ou como indica Russel e Norvig, como são baseados os agentes, ou seja, agentes baseados em objetivos, em modelo ou com aprendizagem.

São apresentadas diversas definições para Inteligência Artificial (IA). Com isso, uma melhor compreensão do tema é possível, inclusive colocando o teste de Turing para IA.

Nesta conversa apresentamos exemplos de ferramentas que utilizam Inteligência Artificial (IA), como, chatbot e processamento de linguagem natural (NLP).

Nesta apresentação iniciamos uma conversa sobre Inteligência Artificial (IA). É uma introdução muito simples, a nível iniciante, mas observando as informações presentes em referências clássicas.

Essa conversa apresenta de forma simplificada as perspectivas para aprendizagem: o behaviorismo, o cognitivismo, o construtivismo e o conectivismo. Há também uma correlação com o empirismo e o racionalismo.

Educação, mais disciplinaridades 07

Educação, mais ludificacao 06

Educação, mais grupos 05

Educação, mais alignment 04

Educação, mais casos 03

Ardson & Educação - Cartão de Visitas

Educação, mais competencias 02

Educação mais introducao 01

Aprendizagem Rubricas 08

Aprendizagem CDIO 07

Aprendizagem PBL 06

Aprendizagem invertida 05

Aprendizagem ativa 04

Aprendizagem Bloom 03

Aprendizagem motivacao 02